短影音探索
擁有第一階段。使用 artifact contracts 來持久化輸出。
輸入
當使用者開始新的影片工作流程或要求腦力激盪他們打算製作的影片時,首先掃描現有的 projects/<nnn>-* 資料夾,從 001 開始分配下一個補零的數字,推導出穩定的 slug,建立專案資料夾,並將 request.json 與 state.json 持久化為 request_created。若繼續進行,則重複使用已有的專案。對於純粹一般性、僅供閱讀且無意製作影片的討論,不要建立專案。
在詢問任何問題之前,先提取使用者已提供的資訊:
- 主題與期望成果;
- 目標受眾與假定的背景知識;
- 平台與時長範圍;
- 語言、語調、張力程度與 CTA 目標;
- 允許或禁止的主張、來源、媒體與提供者。
對於次要細節,使用合理的預設值。僅在遺漏的回答會顯著改變研究範圍或安全性時,才提早詢問。將預設值記錄在 assumptions 中。
研究
針對可能改變或帶來重大後果的主張,使用當前主要或權威來源。區分:
- 有直接來源的驗證事實;
- 從引用事實推導出的推論;
- 創意框架;
- 未解決或遭駁斥的主張。
勿將 LLM 記憶視為網路研究。區域性的 LLM(例如 Ollama)可以組織證據並產生方向,但它需要搜尋適配器、擷取的 URL,或使用者提供的來源包來獲取當前證據。
建立一個包含 3–7 個有用主張的緊湊事實包。為每個主張記錄陳述、來源 URL、發布者、可用日期、信心等級以及它在影片中可以安全支持的內容。避免收集不會影響方向的無關事實。
產生方向
建立 2–4 個在敘事邏輯上有所區別(而非僅是措辭不同)的選項。有用的方向類型包括:
- 痛苦或失敗的使用案例;
- 對真實誤解的逆勢糾正;
- 結果優先的示範;
- 視覺類比;
- 比較或前後對照;
- 包含決定與後果的小故事。
每個方向需包含:
- 工作標題;
- 受眾問題;
- 張力鉤子;
- 承諾與回報;
- 兩到三個核心節奏;
- 可用的證據與任何薄弱的主張;
- 視覺方法與可能的素材來源;
- 音樂氛圍與節奏;
- 時長範圍;
- 製作複雜度與風險。
為鉤子評分 0–2 分,考量清晰度、真實性、受眾相關性與回報。若鉤子不符合真實性,即使聽起來吸引人也予以拒絕。不要將所有選項都誇大到相同完美分數;當分數相同時,解釋真正的權衡,並根據受眾契合度、證據強度與視覺回報來選擇。推薦一個方向,並用一兩句話解釋該權衡。
呈現決策點
使用一個不重複的比較表格,接著是建議與一個簡潔的提問。要求使用者選擇一個選項、合併指定的選項,或要求一個新的方向。僅在時長、張力與 CTA 仍具有重要意義且未解決時,才詢問相關問題。
第一輪於 directions_proposed 結束。在請求選擇後停止。不要產出完整旁白、呼叫 Kokoro、下載素材、建立 Remotion 程式碼或進行渲染。
持久化工件時,寫入:
- 在研究開始前寫入
request.json與state.json; - 為人類閱讀而寫
research.md; - 為主張與來源出處而寫
research.json; - 為選擇而寫
directions.json; - 僅在使用者選擇後才寫入
direction.json,並將狀態移動至direction_selected。
回報哪些事實仍然不確定,以及第二階段需要哪些選擇。